分红水平差异、股票交易活跃度与高技术企业创新<br/>——基于门限效应和调节效应的综合分析

分红水平差异、股票交易活跃度与高技术企业创新
——基于门限效应和调节效应的综合分析

2019-07-03李思瑞杨震宁

研究与发展管理 2019年3期

李思瑞，杨震宁

（1.中国科学院大学经济与管理学院，北京 100190；2.对外经济贸易大学国际商学院，北京 100029）

在企业创新的累积性过程中，金融财务支持是研发投入向创新产出转化的必要基础[1]。SCHUMPETER[2]在早期的研究中就强调了金融系统在创新潮流和经济发展中起到的重要推动作用，企业自身的金融资源配置、所处的资本市场环境与企业的创新过程密不可分。2016—2017年，在我国A股市场首次公开募股（IPO）的企业中，高技术企业占比达到80%以上；可以预见，随着CDR发行规定的出台以及上海证券交易所科技创新板的创立，高技术企业在国内市场融资的积极性会进一步提高，股票市场在企业创新中发挥的作用将愈加凸显[3]。

虽然以ALLEN[4]为代表的学者在总体上认可股票市场对高技术企业创新的促进作用[5]；但不可否认，股票市场所涵盖的诸多因素在企业创新中发挥何种具体作用还有待进一步探究。总体来看，股票市场对高技术企业创新的影响通常包括两方面：①股票市场作为企业开展经营活动的外部环境会影响创新；②企业经营者为了适应市场规则、迎合投资者需求所采取的其他经营措施会影响创新。在我国有效性相对较低的股票交易市场环境下[6]，如何将上述两方面内容结合起来，全面地认识股票市场环境和企业在股票市场的活动对高技术企业创新的影响，对于优化监管和经营决策、保护投资者权益、正确发挥股票市场在创新驱动发展战略中的作用具有重要的理论和现实意义。

在实践中，以流动性为代表的市场交易特征一直是股票市场环境的一个重要组成部分[7]，而以现金分红为核心的股利政策则是上市企业与股票市场互动行为的一个代表[8]；在现有文献中，前者一直是讨论资本市场对高技术企业创新影响问题时的一个重点[9]，后者也在分析企业其他经营行为与创新关系的部分研究中有所提及[10]。然而令人遗憾的是，这些研究大多是相互独立的，没能将上述两方面概念和创新过程结合起来，对股票市场影响高技术企业创新的机制进行更加全面、深入的把握[11-12]。这一方面是源于创新管理主流对金融相关因素的相对忽视[13]；另一方面则是因为部分文献在研究股票市场环境作用于企业创新产出的线性过程时，过度关注股票流动性中作为企业固有特征的部分，而相对忽视了对很多可能与企业经营行为存在互动的投资者行为、投机情绪等因素的探讨[14-16]。因此，综合考虑现有实证研究中存在的不足，本文基于文献回顾和实践总结，建构长期分红水平差异下股票交易活跃度影响高技术企业研发投入与创新产出关系的理论模型，提出相应的研究假设；然后，基于A股计算机和通信设备制造业企业数据，综合运用层次回归和门限面板回归方法对假设进行检验。本文的研究结论一方面可为研究股票市场在高技术企业创新中的作用提供一种新的视角，丰富相关领域的实证文献；另一方面也可以为有效利用股票市场扶持高技术企业创新提供更加完善的政策建议。

1 文献回顾与研究假设

从创新过程的角度看，高技术企业通过投入和配置各类资源实现开发新技术、创造新产品的目标[5]。股票交易市场是上市高技术企业开展创新活动的一部分外部环境，股票交易活跃度可能会基于对控制人创新意愿的影响直接作用于创新产出，也可以通过对企业内部创新过程的干预影响到创新目标的实现[9]。在此基础上，由于长期股利政策既反映了企业经营特征的一个侧面，又代表了企业在股票市场互动中的一种态度[17]，因而，在高技术企业长期分红水平①相较于即时股利政策包含更多短期冲击带来的内生性，长期分红水平能够更好地反映企业的长期性质，更适合作为高技术企业开展创新活动的背景环境纳入分析框架。存在差异的情况下，无论研发投入转化为创新产出的经营过程，还是股票交易活跃度，对创新活动的影响，都可能存在不同。

1.1 研发投入与创新产出

在理论研究中，研发投入通常被认为是高技术企业创新产出的重要源泉。在经济学的内生增长理论中，研发投入被视作知识部门生产函数资本投入要素的组成部分[18]；CHRISTENSEN[19]基于资源基础视角的分析也指出，研发投入是高技术企业开展创新活动的一种重要资源。不过，虽然研发投入对创新产出的促进作用在一般理论以及基于一般企业的实证研究中并无太大争议[20]，但是从管理权变的角度考虑，两者的直接关系在不同的经营管理环境下也可能存在不同[21]。实际上，长期分红水平代表了影响创新活动的企业管理环境的一个侧面。SHANE[22]在其对技术创新活动的总结中指出，由于高不确定性的存在，创新活动有很大可能会面临高调整成本和高融资成本等财务限制；只有当企业的财务柔性较强时，创新的投入产出过程才能有效实现。当企业长期处于高分红水平时，融资约束的存在使得企业资金资源的可控性处于较低水平；在此情况下，较弱的财务柔性可能会让企业难以调动足够的资源去应对研发活动中可能出现的突发问题，从而增加研发活动的失败率[22-23]。从另一个方面看，还有一些学者认为高股利支付会导致投资短视，此时管理者有可能基于短期利益而错误地使用研发投入，无法实现创新的目的[24]。虽然LAHIRI和CHAKRABORTY[25]通过实证分析反驳了这种“分红—创新”替代关系的存在性，但总体来看，综合上述分析可以从研发过程的角度提出以下假设。

H1a 对于长期分红水平低的高技术企业，研发投入对创新产出有正向直接影响。

H1b 对于长期分红水平高的高技术企业，研发投入对创新产出的直接影响不明显或有负向影响。

1.2 股票交易活跃度对创新产出的直接影响

在现有的股票流动性与企业创新关系的相关研究中，关于股票交易活跃度对企业创新的作用方向尚未有定论[9]。不过从理论上看，如果分离了股票交易活跃度对企业内部创新过程的间接作用，其更有可能对高技术企业的创新产出造成负向直接影响。就我国上市高技术企业而言，大股东通常是公司的实际控制人，在有效性较低的市场环境中，活跃的股票交易能够为公开市场减持创造宽松的条件，这可能会增强其在资本市场获利的倾向；出于这种动机，高技术企业的大股东或控制人会降低开展创新活动，特别是研发过程之外的知识产权保护等与股票市场投资者反应关系不密切的活动的意愿，这会在研发过程之外抑制创新产出的实现[26-27]。当然，需要指出的是，由于股利政策反映了企业对股票市场的一种态度，股票交易活跃度对高技术创新产出的直接效应也可能会在长期分红水平存在差异的背景下表现出不同情况。根据MILLER和ROCK[28]的理论，股利支付对股票市场存在信号传递作用。企业长期支付高股利可能是为了将自己与质量差的公司区别开来，即向市场表明其尊重投资者合法权益，不会利用股票市场不当获利的态度[29]。在此情况下，股票交易活跃度可能并不会激发高技术企业控制人从资本市场获利的动力，从而也就不会对创新意愿造成影响。由此，提出如下假设。

H2a 对于长期分红水平低的高技术企业，股票交易活跃度对创新产出有负向直接影响。

H2b 对于长期分红水平高的高技术企业，股票交易活跃度对创新产出的直接影响不明显。

1.3 股票交易活跃度对研发投入与创新产出关系的调节作用

根据田轩和赵海龙[9]的研究，股票交易活跃度的上升有助于优化资源配置，缓解研发活动的融资约束；同时，也会对企业的经营行为形成资本市场压力。现有研究在资本市场压力对企业创新过程的影响方面还存在争议：STEIN[30]等学者认为，股票交易活跃所带来的流动性使得企业经营者面临更大的被收购风险和短期业绩压力，从而降低管理者投资于高风险研发活动的意愿；而另一部分研究则认为，股票交易活跃度的提升加强了“用脚投票”压力，投资者的监督和业绩要求能够激发管理者的工作积极性，将有利于提高创新投入产出效率[31-32]。考虑股票交易活跃度对创新意愿的影响已被控制，加之高技术企业创新产出与业绩的正相关联非常密切[33]，本文认为股票交易活跃带来的资本市场压力能够促使高技术企业管理者更好地利用研发投入，实现创新产出。因此，提出如下假设。

H3a 当股票交易活跃度越高时，研发投入对创新产出的正向影响越强。

与前文类似，虽然股票交易活跃度在优化资源配置方面的作用可能不会受到股利政策异质性的影响，但其引致的资本市场压力在作用于创新过程时，会对不同的股利政策环境具有依赖性——一方面，长期的高分红往往意味着公司发展处于成熟期[29]，此时稳定的业务模式和收入来源会降低企业经营活动对股票市场的依赖性，创新过程对资本市场压力的反应可能不再明显；另一方面，如前文所述，高现金分红会降低高技术企业的资金资源可控性，这也会在一定程度上限制其在提升创新效率方面努力的效果[10]。基于此，提出如下假设。

H3b 相较于长期分红水平较低的情况，在高技术企业长期支付高股利时，股票交易活跃度对研发投入对创新产出促进作用的正向影响更弱。

本文的理论模型如图1所示。

图1 理论模型Fig.1 Theoretical model

2 研究设计

2.1 样本选择与数据来源

由于国民经济行业分类与证监会行业分类不一致，当前尚缺乏一个认定高技术企业的统一标准；加之不同行业之间创新的投入产出不可公度的问题[12,34]，以及部分名义上的高技术行业实践中不具有高技术特征的可能[35]，使用全部高技术行业企业作为样本既不现实也不合理。那么，在不能穷尽所有行业高技术企业的情况下，选择单一行业企业作为样本能够最大限度限制样本自选择问题②如果在n个行业中随机选择，只要不能穷尽（即选择全部行业），选中某一个行业的概率永远不低于选中某m个行业的概率，即 P（1_in_n）=1/≥P（m_in_n）=1/，1＜m＜n（m，n∈Z）。，也有利于在数据分析中排除某些因素的干扰。基于此，本文选择2012—2016年间保持上市交易状态的计算机、通信和其他电子设备制造业（证监会行业分类大类，以下简称“计算机和通信设备制造业”）企业作为初始样本。选择这一行业主要有3方面的考虑：①根据OECD[36]的测度，按照R＆D强度进行分类，该行业始终属于高技术行业，对高技术企业具有较强的代表性；②该行业上市企业超过200家，能够达到使实证结果稳健的样本量要求，有助于提高研究的可靠性；③近年来，该行业一直受到政府和投资者的关注，这一特征在“中国制造2025”和中美贸易争端的背景下愈发凸显，基于这一行业开展研究具有较强的现实意义。总体来看，这一样本对于研究问题具有较强的适用性。

就数据的具体形式而言，在无法完全真实地观测到企业创新连续性过程的情况下，采用以年为单位的数据研究本文的问题符合上市企业经营的一般规律。当然，在初始样本的基础上，为了更加符合高技术企业研发活动的真实情况，通常还需考虑创新时滞问题：根据张治河等[37]的测度，我国高技术企业创新投入到产出，通常存在1～3年的滞后期。计算机行业属于创新投入产出效率较高、转化较快的行业，本研究参照相关研究中的普遍做法，在研究设计中对创新产出设定了1年的时滞[38-39]。即在数据提取过程中，假定高技术企业在t期获取资源、组织研发，在t+1期实现创新产出，提取2013—2016年的创新产出数据和对应的2012—2015年其他变量数据。在剔除了少数缺省后，得到198家企业的792条观测数据。本文数据主要采集自WIND数据库、国泰安CSMAR数据库和部分企业的年度报告。

2.2 变量选择与操作化定义

2.2.1 被解释变量创新产出Patentit+1专利数量和新产品销售收入是相关研究中最常用的衡量创新成果的两种指标。就本文的研究而言，专利作为研发过程的成果可以直接用于研发投入的产出测度，相较而言，以新产品销售收入的效益类指标在企业层面上可能包含更多与创新无关的因素，在概念上的适用性较差[40]；同时，我国上市公司的新产品销售收入披露并不完全，缺失较为严重。虽然专利数据也存在一定弱点，但对于制造业企业而言，专利获取仍然是最为便捷和有效的创新产出表征[5]。专利授予量和专利申请量都可以代表这一指标，考虑专利授予存在政策影响和更强的时滞问题，选用t+1期的专利申请量作为这一变量的操作化指标。

2.2.2 主效应变量研发投入R＆Dit从定义看，研发投入一般可分为资金投入和人员投入两类[41]。不过，考虑测度上人员投入难以表征，且与资金投入具有一定程度的一致性，因而选择资金投入代表研发投入；这也更加适用于本文研究的金融市场影响高技术企业创新的问题。在操作上，本文采用惯用的做法，选用t期的企业年度报告披露的研发费用项目作为这一变量的操作化指标。

2.2.3 调节变量股票交易活跃度Turnoverit与闫红蕾和赵胜民等[42]使用Amihud指数[43]代表作为企业固有特征的股票流动性不同，本文的研究侧重于考察包含投资者行为在内的市场交易特征，因此更适合借鉴苏婧等[12]的做法，采用换手率表征这一变量，即使用t期的交易日股票日均换手率作为这一变量的操作化指标，其计量单位为百分比。

2.2.4 门限变量长期分红水平Dividenceit本文使用通用的上市以来股利支付率（t期期末）作为该变量的操作化指标，使用百分比为其计量单位。

2.2.5 控制变量本文从企业的主要会计指标和财务指标中选取t期的总资产Assetsit、资本收益率ROEit和市盈率PEit作为控制变量。根据面板数据分析的特点，本文并未将那些会在固定效应分析中被自动省略的、反映个体固定特征和全样本特征的变量纳入模型。

上述变量的操作化定义见表1。

表1 变量及具体定义Tab.1 Variables and definitions

本文主要参考温忠麟等[44]总结的层次回归模型对调节效应进行初步检验。本文使用的数据均为来自经验的定比数据，不存在AIKEN等[45]、COHEN等[46]提及的0值下无经济意义的问题；且研究的问题并不关心参数的具体数值，中心化对参数方向和显著性等核心特征并不存在本质的影响。因此，为了避免中心化给面板数据处理（特别是面板门限回归）造成不必要的困难，此处不对解释变量和调节变量进行中心化处理。本文构建的基础模型如下。

模型（1）纳入主效应变量，模型（2）在此基础上纳入调节变量，模型（3）进一步纳入调节变量与主效应变量的交互项。本文将使用面板回归方法对3个模型依次进行估计，对模型进行初步分析；在此基础上，应用门限面板回归方法对模型（3）进行估计，基于上述结果对理论假设进行检验。

3 实证分析

3.1 描述性统计

各变量描述性统计和基于混合数据的相关性分析如表2所示。均值、方差统计结果显示，各变量的数据分布状态相近，各变量均有较大的取值跨度。基于混合数据的相关性分析结果显示，大多数解释变量两两之间的线性相关性较低，在混合数据层面的共线性较弱。相对特殊的是，总资产和研发投入呈现显著的线性相关关系（r=0.806，p＜0.001）；不过混合数据层面上的相关关系并不能完全反映面板数据的相关关系，且这一相关系数并非完全不可接受，因此，考虑模型建构的理论完整性，仍将总资产纳入模型。后续可以根据实证分析的情况再进行调整。

表2 描述性统计和相关系数矩阵Tab.2 Results of descriptive statistics and correlation coefficient matrix

3.2 普通面板回归的结果分析

一般来说，在进行面板OLS估计时通常需要先对数据进行平稳性检验。由于本文使用的数据属短面板数据，数据量无法支撑可靠的平稳性检验，因此，采用此情况下的常用做法，即直接使用带聚类稳健标准误的OLS方法对模型进行回归，得到的估计结果如表3。在进行面板模型回归时，利用Sargan-Hansen检验对估计方法的适用性进行检验。由检验结果可知，3个模型均应选择双向固定效应的估计结果③此外，对于本文的样本，双向固定效应有助于规避行业特征和部分个体异质性特征对回归结果的影响，更加符合经济意义分析方面的需求［47］。。整体回归结果显示，各模型的拟合优度均可接受（组内R2＞0.02），能够通过方程整体有效应的显著性检验。参数估计结果显示，在模型（1）～模型（3）中，研发投入和创新产出之间均呈现出显著的负向相关关系。而模型（2）～模型（3）的结果显示，股票交易活跃度对创新产出的直接作用和对研发投入与创新产出关系的调节作用均不显著。总体来看，普通面板回归的结果较差，无法对假设进行有效验证；不过，值得注意的是，在模型（3）中，虽然调节变量和交互项参数估计仍不显著，但其标准误的相对水平较模型（2）已有较大改进，这表明模型可能存在较大的优化空间。可能是变量之间的相互遮掩影响了普通面板回归的效果，因此在下面的分析中对各类效应进行进一步的分解具有较强的必要性。

3.3 企业规模门限回归的结果分析

根据理论建构和普通面板回归的结果，本文需要对高技术企业研发投入对创新产出的主效应和股票交易活跃度的调节效应对长期分红水平分组差异的依赖性进行识别和检验。由于传统的人为分组回归在门限值确定上存在很大的随意性，本文选择利用HANSEN[48]提出的门限面板回归方法进行分析。

表3 普通面板模型的回归结果Tab.3 Results of ordinary panel regression analysis

3.3.1 门限面板回归和检验原理门限回归模型是对分组检验的一种科学化拓展。根据WANG[49]的总结，单门限面板回归模型的一般形式可以概括为：yit=Xit（qit＜γ）β1+Xit（qit≥γ）β2+μi+eit或yit=Xit（qit,γ）β+其中，yit代表被解释变量，Xit为解释变量行向量，β为参数列向量，qit指代门限变量，γ指代门限值，eit为残差项，I（·）为示性函数（当qit＜γ时，I=0；当qit≥γ时，I=1）。门限面板回归特别关注门限值和残差的估计，在两者确定后，参数向量的估计方法与普通面板回归无异[44]。其估计原理为：先利用TASY[50]提出的排列回归方法在一定的初始区间④根据HANSEN[48]的建议，选取忽略前后各10%数据的样本作为门限值的初始搜寻区间。内对满足γ=argminS1（γ）的门限值进行估计，然后使用自抽样方法模拟LM检验对原假设进行检验以确定门限效应的显著性；在此基础上，使用对应的LR统计量对门限估计值与真值的一致性进行检验⑤虽然可以证明门限值估计在统计上的一致性，但在样本量有限的情况下仍然很难确认其具有经济意义上的可靠性，因此本文仅展示估计结果，不对门限值的经济意义进行评价。。当分析中需要考虑两个及以上门限值时，可以在第一个门限值的基础上基于同样的算法搜索更多的门限值。此外，为了解决现有的一些多变量门限效应检验的统计不可靠问题[51-52]，本文分别构造各门限效应核心变量与估计出的示性变量I的交互项，将其纳入原模型使用普通面板回归进行估计，如上述交互项参数估计结果t检验显著，则认为该项所对应的核心变量在两组间存在显著差异。这一估计结果实质上与对应的门限面板回归结果是等价的，因而可以认为该检验存在较高的参考价值。

本文基于上述门限回归原理，对模型（3）进行改进得到门限面板回归分析中使用的模型（4）。

3.3.2 门限效应检验此处基于模型（4）进行门限面板回归，设定自抽样次数为500次，原模型中所有主效应变量、调节变量和交互项为门限效应变量，长期分红水平为门限变量。在此设定下进行搜索并检验门限效应，表3列出了检验结果。在单门限模型中，搜索到的门限值为14.854，此时对应的残差平方和为最小。门限效应检验结果显示，LM检验F统计量为376.29（p＜0.001），门限效应显著性强；LR统计量小于5%显著水平下的临界值，门限值估计具有统计意义上的一致性。在双门限检验中，现有数据量下无法进行第二个门限值的搜索，可以认为不存在两个以上门限。单门限估计结果为最终结果。

表4 门限效应检验结果Tab.4 Results of threshold effect test

3.3.3 回归结果分析表5为模型（4）的门限面板回归结果与参数检验结果。与线性模型相比，模型的整体显著程度和拟合优度（组内R2=0.583）均有明显提升，模型整体拟合程度较好。

表5 门限面板回归结果Tab.5 Results of panel threshold regression analysis

主效应的参数估计结果显示，在控制了股票交易活跃度的调节效应的情况下，对于长期分红水平较低的高技术企业，其研发投入对创新产出有独立的正向直接效应（=0.275，p＜ 0.01）；对于长期分红水平较高的高技术企业，其研发投入对创新产出有独立的负向影响（=-0.558，p＜0.01）。单变量门限效应检验的结果显示，门限两侧的参数估计值存在显著的差异（，p ＜ 0.01），总体可以在一定程度上证明H1a和H1b在这种情况下成立。基于前文的理论分析，高技术企业研发投入对创新产出的作用可以分为独立作用和依赖于股票交易活跃度的作用两方面。在分离了后者的前提下，当股利分配比例较低时，高技术企业拥有较高的资金使用灵活性，可以及时投入和调配资源，促使研发投入向创新产出的正常转化。而在高长期分红水平下，高技术企业面临更为紧张的财务约束；由于缺乏财务柔性的支撑，创新活动可能面临更大的失败风险，此时过多的研发投入反而会在有限的资金约束下引起反效果，对创新产出形成负向影响。

调节变量的参数估计结果显示，股票交易活跃度对低长期分红背景下的高技术企业创新产出有负向直接影响（=-14.149，p＜0.01），但该效应在长期分红水平高的高技术企业中表现并不明显=-2.800，p ＞ 0.10；H:，p＜0.01），由此可以认为H2a和H2b成立。高技术企业长0期支付的高股利相当于向股票市场表明一种态度——企业的控制人尊重投资者的权利，乐意将其经营成果与公开市场投资者分享；在此态度下，无论股票市场环境如何，高技术企业控制人的创新意愿以及对应的创新成果都不会受到直接的干扰。相反，低长期分红水平下，高技术企业并没有向投资者做出这种承诺，这也就意味着较高的股票交易活跃度会为企业控制人提供更多通过市场交易获利的机会，可能会挫伤其创新意愿，进而抑制企业的创新产出。

主效应变量调节效应交互项的参数估计结果显示，股票交易活跃度调节了研发投入与创新产出的关系，强化了研发投入对创新产出的促进作用=0.027，p ＜ 0.01），H3a得到了验证；这一效应明显在长期分红水平高的背景下表现更弱0.01），H3b成立。活跃的股票交易市场能够为研发活动提供良好的融资环境，同时其带来的资本市场压力也会督促高技术企业的管理者提高创新活动管理水平，这都有利于研发投入向创新产出的转化。不过，长期的高股利支付往往意味着企业处于成熟期且可控资金有限，管理者对于股票市场的敏感性偏低，这也使得股票交易活跃度对研发投入与创新产出正向关系的强化作用相对较弱。

4 稳健性检验

为了检验实证结果的稳健性，本文针对模型（4）的实证分析，从门限值估计、门限效应检验和模型变量设定3个方面对实证结果进行了回测。①将门限值估计时的极端样本忽略比例分别重设为5%和1%，表6门限值估计的结果与原估计结果相近。②将整体门限效应检验的自抽样次数重新设定为300次和1 000次，表7结果显示，门限效应的显著水平与原检验结果相同。③对去除了控制变量的模型（4）进行门限面板回归，门限值估计和整体门限效应检验的结果与原有结果相近，表8中门限两侧各变量参数估计的结果没有出现本质改变。综上，稳健性检验显示，实证分析的结果具有稳健性。

表6 变更极端值去除比例的门限值估计结果Tab.6 Results of threshold estimation under other omission rates of extreme value

表7 变更自抽样次数的门限效应检验结果Tab.7 Results of threshold effect test under other bootstrap times

表8 去除控制变量的门限面板回归结果Tab.8 Results of panel threshold regression analysis without control variables

5 结论与讨论

5.1 研究结论与启示

本文基于实证研究检验了长期分红水平差异下，股票交易活跃度在高技术企业研发投入与创新产出关系中的作用机制。结果表明：在分离开研发投入对创新产出的独立直接影响和股票交易活跃度对研发投入与创新产出关系的调节作用的情况下，对于长期分红水平低的高技术企业，研发投入能够正向地转化为创新产出，股票交易活跃度对创新产出有负向直接效应；对于长期派发高股利的高技术企业，研发投入对创新产出有独立的负向直接效应，而股票交易活跃度不会对创新产出造成直接影响。在不同的长期分红水平下，股票交易活跃度均能增强研发投入对创新产出的促进作用，但这一调节效应在长期分红水平低的高技术企业中表现更强。

本文在股票市场环境和企业股票市场活动的互动关系中引入了创新过程的研究——长期分红水平上的差异实际上代表了企业现金管理政策和对待资本市场态度的差异；在这种背景下，高技术企业的创新活动以及股票交易特征对创新活动的影响也会呈现出不同的特点。对长期维持高分红的高技术企业而言，若是单纯地考察其排除股票交易活跃水平影响的研发过程，可控资金的有限使得其难以灵活调动资源为研发活动提供支撑，此时更多的研发投入非但无法顺利地转化为创新成果，反而可能会加剧资金的紧张，引发更多的风险问题，从而抑制创新产出；同时，若是考察其研发投入依赖于股票交易活跃水平向创新产出转化的过程，这种财务柔性的缺乏也使得高技术企业相对缺少对活跃的股票交易带来的资本市场压力做出积极反应的能力，削弱了股票交易活跃度强化研发投入对创新产出促进作用的力度。从我国的实践看，类似DEANGELO等[29]的分析，处于成熟期的企业往往倾向于通过派发高股利向市场表明尊重投资者的态度。在此环境下，股票市场投机因素对企业控制人创新意愿的干扰有所减弱，但相应的资金匮乏带来的研发活动资源约束亦非常明显——这种效应的例证广泛存在于上市高技术企业中，如中兴通讯因过高的现金股利分配而被迫在外部环境发生改变时大幅“节流”，无法开展正常的研发活动；大华股份长期的高股利支付甚至造成了“税款高于派息”的情况，这种对利润的透支也使其失去了积极开展研发活动的能力。与高分红水平的情况相反，维持较低的分红水平能够为高技术企业的创新活动创造良好的财务环境，也能更好地发挥股票交易因素对创新过程的积极作用——京东方等长期派发少量现金股利的高技术企业虽然一度在高强度的股票交易关注下受到违规获利的质疑，但是宽松的资金环境使得其能够自由地组织研发活动，通过提升创新管理水平等方式回应二级市场投资者的关注，最终实现良好的创新成果。不过，需要指出的是，低现金股利的政策削弱了高技术企业控制人对投资者的责任，有可能加强其通过股票市场获利的动机，抑制创新的意愿，东旭光电、长园集团等企业长期维持低分红，其控制人屡屡通过二级市场减持获利，这些案例就为这一问题提供了印证。

5.2 管理建议

总体来看，本研究更加深入地探索了股票市场交易特征和企业与股票市场的互动行为在高技术企业研发投入—创新产出过程中的具体作用，揭示了高现金分红政策在推动创新方面的一些弊端。基于上述结论，分别为政府监管和高技术企业管理的实践提供如下建议。

随着《证券法》修订将强制现金分红制度写入法律条款，现金分红开始成为我国上市企业的监管重点[53]。虽然这种强制分红政策的初衷是为了加强投资者保护，但对于高技术企业这类以高风险的创新活动作为核心动力的上市公司而言，维持高分红带来的财务约束不但会干扰正常的研发过程，还有可能减弱股票市场对创新投入产出效率的促进作用。从国外的经验看，低分红并不意味着不重视投资者权益；相反，高技术企业在此背景下能够调动更多资源专注于创新能力的提升，而投资者则能从业绩增长带来的股价上涨中获利[54]，苹果公司就是此类高技术企业的典型例证。我国的资本市场监管层也应当充分考虑强制分红政策的适用问题，在股利政策上给予高技术企业更多灵活性，使其能够专注于创新活动；同时，应当着力提高股票市场的有效性，使高技术企业创新水平提高带来的效益能够充分体现在股价上，这样投资者可以从资本利得中分享创新的成果。

股票交易活跃度的提升能够促进高技术企业研发投入向创新产出的转化，也会刺激控制者通过股票市场获利的动机，干扰企业的经营；这种相悖的关系，在长期分红水平低的高技术企业中表现更为明显。因此，为了更好地发挥股票市场对高技术企业创新的积极作用，监管层应当特别关注长期不分红的高技术企业，留意其控制人过度关注股票市场而忽视创新的行为。在具体措施上，一方面可以通过抑制个人投资者的投机行为，提高市场的透明度，减少高技术企业控制人通过二级市场获利的机会；另一方面应当加大对操作股价和违规减持的监督和处罚，抑制高技术企业控制人违规获利的动机。

提高创新活动的产出绩效是高技术企业回应股票市场投资者压力的适当手段，管理者应当专注于创新这一核心竞争力的提升，而不应被股利政策所绑架。长期派发高股息虽然有助于高技术企业将自身与信誉较差的企业相区别，但高分红造成的财务柔性下降会限制创新这一核心能力的提升，不利于高技术企业的持续发展。作为替代，高技术企业的管理者或可以考虑改用加强信息披露、做出不减持承诺等手段维护其资本市场上的良好形象。